<![CDATA[Diabetes mellitus merupakan salah satu penyakit kronis yang menjadi masalah kesehatan global dengan tingkat prevalensi yang terus meningkat. Penelitian ini bertujuan untuk mengimplementasikan metode Decision Tree dalam memprediksi penyakit diabetes menggunakan dataset yang terdiri dari 768 sampel dengan delapan parameter kesehatan. Parameter yang digunakan meliputi jumlah kehamilan, kadar glukosa, tekanan darah, ketebalan kulit, kadar insulin, BMI, fungsi riwayat diabetes keluarga, dan usia. Metodologi penelitian meliputi tahap preprocessing data, pemodelan menggunakan Decision Tree, dan evaluasi performa model. Dataset dibagi menjadi data training (70%) dan testing (30%) menggunakan metode stratified sampling. Model Decision Tree diimplementasikan menggunakan RapidMiner dengan parameter gain ratio sebagai criterion, maximal depth 10, serta menerapkan teknik pruning dan prepruning dengan confidence level 0.1. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 65.06% dengan nilai presisi 32.53% dan recall 50.00%. Model berhasil mengidentifikasi 350 kasus non-diabetes dan 188 kasus diabetes dengan benar. Penelitian ini membuktikan bahwa metode Decision Tree dapat digunakan sebagai alat bantu dalam prediksi awal penyakit diabetes, meskipun masih memerlukan optimasi lebih lanjut untuk meningkatkan akurasi prediksi.]]>
Copyrights © 2024
